Kiểm định đa cộng tuyến
Để kiểm định mô hình hồi quy có xảy ra hiện tƣợng đa cộng tuyến hay không thì tác giả sử dụng phƣơng pháp kiểm định VIF (Variance Inflating Factors).
VIF đƣợc xác định theo công thức sau: VIF = 1
(1− R2)
Theo Gujarati (2012) nếu giá trị VIF > 10 thì kết luận mô hình tồn tại hiện tƣợng đa cộng tuyển. Ngƣợc lại nếu VIF < 10 thì không xảy ra hiện tƣợng đa cộng tuyến.
Kết quả kiểm định VIF nhƣ sau:
Collinearity Diagnostics
SQRT R-
Variable VIF VIF Tolerance Squared
DE 1.16 1.08 0.8631 0.1369
SIZE 1.21 1.10 0.8231 0.1769
GROW 1.14 1.07 0.8759 0.1241
AGE 1.06 1.03 0.9450 0.0550
Mean VIF 1.14
Kết quả cho thấy tất cả các biến đều có giá trị VIF < 10. Điều đó cho thấy mô hình hồi quy không gặp hiện tƣợng đa cộng tuyến.
Kiểm định tự tƣơng quan
Để kiểm định có tồn tại hiện tƣợng tự tƣơng quan trong mô hình hồi quy hay không, tác giả sử dụng phƣơng pháp kiểm định Woodridge với các giả thiết sau:
H1: Tồn tại hiện tƣợng tự tƣơng quan trong mô hình hồi quy.
Với mức ý nghĩa � = 5%, nếu giá trị Prob < � thì bác bỏ giả thiết H0 và kết luận mô hình có tồn tại hiện tƣợng tự tƣơng quan. Ngƣợc lại, nếu giá trị Prob > �
thì chấp nhận giả thiết H0 và kết luận trong mô hình hồi quy cuối cùng không tồn tại hiện tƣợng tự tƣơng quan.
Kết quả kiểm định Woodridge nhƣ sau:
Wooldridge test for autocorrelation in panel data H0: no first order autocorrelation
F( 1, 22) = 1.026 Prob > F = 0.3221
Nhƣ vậy, giá trị Prob = 0.322 > � nên sẽ chấp nhận giả thiết �0 và mô hình hồi quy không tồn tại hiện tƣợng tự tƣơng quan.
Kiểm định phƣơng sai sai số thay đổi
Để nhận biết sự tồn tại của hiện tƣợng phƣơng sai sai số thay đổi trong mô hình hồi quy, tác giả sử dụng kiểm định Breusch - Pagan với cặp giả thiết sau:
H0: Không tồn tại hiện tƣợng phƣơng sai sai số thay đổi trong mô hình hồi quy.
H1: Tồn tại hiện tƣợng phƣơng sai sai số thay đổi trong mô hình hồi quy. Với mức ý nghĩa � = 5%, nếu giá trị Prob của Chi-square < � thì bác bỏ giả thiết H0 và kết luận mô hình có tồn tại hiện tƣợng phƣơng sai sai số thay đổi. Ngƣợc lại, nếu giá trị Prob > � thì chấp nhận giả thiết H0 và kết luận trong mô hình hồi quy cuối cùng không tồn tại hiện tƣợng phƣơng sai sai số thay đổi.
Thực hiện kiểm định Breusch – Pagan đƣợc kết quả sau:
Breusch and Pagan Lagrangian multiplier test for random effects DE[Enterprise,t] = Xb + u[Enterprise] + e[Enterprise,t]
Estimated results: Var sd = sqrt(Var) DE 3.455279 1.858838 e 1.510792 1.229143 u 1.77758 1.333259 Test: Var(u) = 0 chibar2(01) = 113.57 Prob > chibar2 = 0.0000
Kết quả kiểm định Breusch – Pagan cho thấy giá trị Prob của Chi-square < �
(0 < 0.05) nên bác bỏ giả thiết �0. Vì vậy, mô hình hồi quy cuối cùng tồn tại hiện tƣợng phƣơng sai sai số thay đổi. Và khuyết tật này của mô hình sẽ khiến kết quả của mô hình hồi quy không còn đáng tin cậy.
Để khắc phục khuyết tật này của mô hình, tác giả sẽ áp dụng mô hình sai số chuẩn mạnh (Robust Standard Errors), hay còn gọi là ƣớc lƣợng sai số chuẩn vững để khắc phục khuyết tật phƣơng sai sai số thay đổi tồn tại trong mô hình. Kết quả hồi quy sau khi áp dụng mô hình sai số chuẩn mạnh nhƣ sau:
Random-effects GLS regression Number of obs = 161
Group variable: Enterprise Number of groups = 23
R-sq: Obs per group:
within = 0.1289 min = 7
between = 0.1540 avg = 7.0
overall = 0.1335 max = 7
Wald chi2(3) = 8.28
corr(u_i, X) = 0 (assumed) Prob > chi2 = 0.0406 (Std. Err. adjusted for 23 clusters in Enterprise)
Robust
DE Coef. Std. Err. z P>z [95% Conf. Interval] SIZE 0.929631 0.4682074 1.99 0.047 0.0119614 1.847301 GROW 0.9151656 0.4730482 1.93 0.053 -0.0119919 1.842323 AGE -0.105951 0.0577131 -1.84 0.066 -0.2190665 0.0071646 _cons -2.557639 2.929353 -0.87 0.383 -8.299065 3.183788 sigma_u 1.3332593 sigma_e 1.2291426
rho 0.5405655 (fraction of variance due to u_i)
Kết quả hồi quy cho thấy hệ số Coefficients của các biến độc lập không thay đổi và cả ba biến này đều có ý nghĩa thống kê (biến SIZE có ý nghĩa thống kê ở mức 5% và biến GROW, AGE có ý nghĩa thống kê ở mức 10%.
Tóm lại, mô hình hồi quy cuối cùng có dạng:
DEit = −2.5576 + 0.9296SIZE + 0.9152GROW − 0.1060AGE